dc.contributor | Castaño-Bedoya, Alejandro | |
dc.creator | Cipagauta-Esquivel, Ángela Patricia | |
dc.creator | Pardo-Bolívar, Diana Cristina | |
dc.creator | Castillo-Carreño, Edwin Javier | |
dc.creator | Zainea-Maya, Carlos Isaac | |
dc.date.accessioned | 2023-05-31T23:07:09Z | |
dc.date.available | 2023-05-31T23:07:09Z | |
dc.date.created | 2023-05-31T23:07:09Z | |
dc.date.issued | 2023 | |
dc.identifier | Cipagauta-Esquivel, A. P., Pardo-Bolívar, D. C., Castillo-Carreño, E. J. & Zainea-Maya, C. I.. (2023). Probabilidad de deserción de los estudiantes de pregrado de la Universidad Católica de Colombia: Diseño de dos modelos estadísticos predictivos. Universidad Católica de Colombia. Facultad de Derecho. Programa de Derecho. Bogotá, Colombia. | |
dc.identifier | https://hdl.handle.net/10983/30414 | |
dc.description.abstract | Probabilidad de deserción de los estudiantes de pregrado de la Universidad Católica de Colombia: Diseño de dos modelos estadísticos predictivos El objetivo del estudio fue hallar un modelo estadístico con capacidad para predecir confiablemente la deserción de los estudiantes de la Universidad Católica de Colombia. La primera fase pretendía encontrar un modelo de predicción a partir de las variables socioeconómicas, individuales, académicas y familiares de los estudiantes nuevos, según los registros de la caracterización que realiza la Institución cada semestre. En la segunda fase, se trabajó con las variables asociadas al desempeño académico para encontrar el modelo de predicción más ajustado a la población que al menos ha cursado un semestre en la institución. La muestra estuvo conformada por 5.258 estudiantes que ingresaron en los periodos 2016-1 a 2018-1. Con los datos provenientes del sistema académico de la universidad, la caracterización de ingreso y las pruebas de entrada, se realizó una validación cruzada de 10 interacciones para seleccionar el modelo y se validaron los datos usando el análisis de la curva ROC y la matriz de clasificación. El modelo escogido muestra que las variables con mayor impacto como predictoras de la probabilidad de desertar en los estudiantes nuevos fueron: antecedentes académicos, programa, jornada y condiciones familiares. En cuanto a los estudiantes antigüos, se encontró que además de las anteriores variables, el semestre cursado y promedio académico tenían influencia en la predicción de abandono. Los modelos permitirán formular estrategias de prevención de la deserción pertinentes para la población que ingresa a primer semestre y los estudiantes de segundo semestre en adelante, a partir de características específicas de la comunidad universitaria. (Tomado de la fuente). | |
dc.language | spa | |
dc.publisher | Bogotá | |
dc.relation | Abdulahi Hasan, A., & Fang, H. (2021). Data Mining in Education: Discussing Knowledge Discovery in Database (KDD) with Cluster Associative Study. In 2021 2nd International Conference on Artificial Intelligence and Information Systems (pp. 1-6). DOI:10.1145/3469213.3471319 | |
dc.relation | Ambroggio, G. A. (2000). El primer año en la universidad y la permanencia en la carrera. Cuadernos de Educación, (1). https://revistas.unc.edu.ar/index.php/Cuadernos/article/view/632 | |
dc.relation | Ameri, S., Fard, M. J., Chinnam, R. B., & Reddy, C. K. (2016). Survival analysis based framework for early prediction of student dropouts. In Proceedings of the 25th ACM International on Conference on Information and Knowledge Management (pp. 903-912). DOI:10.1145/2983323.2983351 | |
dc.relation | Celis, S., Moreno, L., Poblete, P., Villanueva, J., y Weber, R. (2015). Un modelo analıtico para la predicción del rendimiento académico de estudiantes de ingeniería. Revista Ingenierıa de Sistemas Volumen XXIX. https://www.dii.uchile.cl/~ris/RIS2015/rendimientoac.pdf | |
dc.relation | Daza, A. (2016). Un modelo basado en árboles de decisión para predecir la deserción estudiantil en la Educación Superior Privada. UCV-SCIENTIA, 8(1), 59-73. https://dialnet.unirioja.es/servlet/articulo?codigo=6181472 | |
dc.relation | Herrero, V., Merlino, A., Ayllón, S., & Escanés, G. (2013). Aplicación de un modelo de duración en programas de prevención de deserción universitaria. Revista electrónica de investigación educativa, 15(3), 38-52. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1607-40412013000300003&l ng=es&tlng=es. | |
dc.relation | Himmel, E. (2018). Modelo de análisis de la deserción estudiantil en la educación superior. Calidad en la Educación, (17), 91-108. doi:https://doi.org/10.31619/caledu.n17.409 | |
dc.relation | Lin, S-P. (2015). Using EDM for Developing EWS to Predict University Students Drop Out. International Journal of Intelligent technologies and applied statistics, 8(4), 365-388. https://www.researchgate.net/publication/221570467_Predicting_Students_Drop_Out_A_Ca se_Study | |
dc.relation | McFarlane, K. J. (2016). Tutoring the tutors: Supporting effective personal tutoring. Active Learning in Higher Education, 17(1), 77-88. DOI:10.1177/1469787415616720 | |
dc.relation | Ministerio de Educación Nacional (2015). Guía para la implementación del modelo de gestión de permanencia y graduación estudiantil en instituciones de educación superior. Bogotá: Imprenta Nacional de Colombia. https://www.mineducacion.gov.co/1759/articles-356272_recurso.pdf | |
dc.relation | OECD (2022), Youth not in employment, education or training (NEET) (indicator). doi: 10.1787/72d1033a-en (Accessed on 28 June 2022) | |
dc.relation | Ortiz-Lozano, J., Rua-Vieites, A., Bilbao-Calabuig, P., & Casadesús-Fa, M. (2020). University student retention: Best time and data to identify undergraduate students at risk of dropout. Innovations in Education and Teaching International, 57(1), 74-85. DOI:10.1080/14703297.2018.1502090 | |
dc.relation | Porcel, E., Dapozo, G. N., & López, M. V. (2009). Modelos predictivos y técnicas de minería de datos para la identificación de factores asociados al rendimiento académico de alumnos universitarios. In XI Workshop de Investigadores en Ciencias de la Computación. https://core.ac.uk/reader/15776681 | |
dc.relation | Rueda Ramírez, S. M., Urrego Velásquez, D., Páez Zapata, E., Velásquez, C., & Hernández Ramírez, E. M. (2020). Perfiles de riesgo de deserción en estudiantes de las sedes de una universidad colombiana. Revista De Psicología, 38(1), 275-297. https://doi.org/10.18800/psico.202001.011 | |
dc.relation | Thomas, L. (2002). Student retention in higher education: the role of institutional habitus. Journal of education policy, 17(4), 423-442. DOI:10.1080/02680930210140257 | |
dc.relation | Urbina-Nájera, A. B., Téllez-Velázquez, A. y Cruz, R. (2021). Patrones que identifican a estudiantes universitarios desertores aplicando minería de datos educativa. Revista Electrónica de Investigación Educativa, 23, e29, 1-15. https://doi.org/10.24320/redie.2021.23.e29.3918 | |
dc.relation | Von Hippel, P. & Hofflinger, A. (2020). The data revolution comes to higher education: Identifying students at risk of dropout in chile. Journal of Higher Education Policy and Management, 1-22. DOI:10.1080/1360080X.2020.1739800 | |
dc.relation | Zárate- Valderrama, J., Bedregal-Alpaca, N. y Cornejo-Aparicio, V. (2020). Modelos de clasificación para reconocer patrones de deserción en estudiantes universitarios. Ingeniare. Revista Chilena de Ingeniería, vol. 29 , No. 1, 168-177. http://dx.doi.org/10.4067/S0718-33052021000100168. | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | http://purl.org/coar/access_right/c_abf2 | |
dc.rights | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND
4.0) | |
dc.rights | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.rights | Copyright-Universidad Católica de Colombia, 2023 | |
dc.title | Probabilidad de deserción de los estudiantes de pregrado de la Universidad Católica de Colombia: diseño de dos modelos estadísticos predictivos | |
dc.type | Literatura Gris | |